BuddyBird Parrot Mimicry Judgment v1.0.0

English

Glossary

Term	Meaning
Mimicry (mimic)	A parrot sound that imitates the target word
Non-speech (non_speech)	An ordinary parrot sound that does not imitate a word (chirps and the like)
Guardian reference (reference)	A recording of the guardian saying the target word

Model description

This model judges whether a parrot successfully imitated a target word.

The query clip and the guardian references are converted to ContentVec features (hidden layer 8).
The query is compared with each reference in the reference set (up to 20) by full DTW, and the similarities are averaged.
The average is converted to a percentile within the cohort and compared with the threshold 0.9915.

File	Contents
`inference.py`, `judge/`	Judgment code
`manifest.json`	Settings, threshold, pool and cohort lists, SHA-256 of each file. Bundle version `1.1.0`
`pool_features.npz`, `cohort_features.npz`, `pool_cohort_pairs.npy`	Precomputed features of the pool and the cohort, and their similarity table

Intended use

Input: one clip that the upstream buddybird-ai/parrot-sound-gate accepted as a parrot sound, one target word, and zero or more own references.
To judge several candidate words, call once per word.
The model targets small and medium parrots.

Getting started

This release uses Python 3.12 and uv.

hf download buddybird-ai/parrot-mimicry-judgment --revision v1.0.0 --local-dir parrot-mimicry-judgment
cd parrot-mimicry-judgment
uv sync --frozen

The first call downloads the ContentVec weights (about 380 MB).

from inference import MimicryJudgment

model = MimicryJudgment.from_pretrained(
    "buddybird-ai/parrot-mimicry-judgment",
    revision="v1.0.0",
)
result = model.predict_file(
    "query.wav",
    word="안녕",
    own_paths=["guardian_annyeong_1.wav", "guardian_annyeong_2.wav"],
    account_id="<account id>",
)
print(result)
# {"is_success": True, "score": 99.6..., "status": "ok", "n_own": 2, "n_fill": 18, "set_size": 20}

In-memory waveforms are judged with predict_waveform. From the command line:

uv run --frozen python inference.py query.wav --word 안녕 --ref guardian_1.wav --account-id <account id> --revision v1.0.0

Output

Key	Type	Meaning
`is_success`	bool	Whether the imitation succeeded. Do not recompute it from `score`
`score`	float or null	Cohort percentile x 100. Null when not judged
`status`	str	`ok`, `no_reference` (no references), `unsupported_species`
`n_own`, `n_fill`, `set_size`	int	Own references in the set, pool references in the set, and their total

Data

Split	Accounts	Accurate mimicry	Non-speech	Guardian references
Development	172	959	32,916	271
Test	40	152	3	121

Evaluation

Cross-validation numbers come from account-level 5-fold cross-validation on the development data, repeated 10 times. Test numbers apply the pool, cohort and threshold fixed on the development data, unchanged, to 40 accounts never used in development (account-level bootstrap 95% confidence intervals).

Metric	Cross-validation	Test	Test n
Per-account non-speech FAR, 75th percentile	3.4%	not measurable	3
Recall, all words	31.3%	49.6% [37.3%, 61.4%]	152
Recall, 안녕	29.9%	30.0% [14.9%, 42.4%]	74
Recall, 안녕하세요	58.1%	59.8% [45.1%, 73.5%]	52
Recall, 사랑해	14.7%	92.9% [49.4%, 100.0%]	14
Recall, 까꿍	59.2%	75.8% [42.9%, 91.8%]	12
Wrong-word FAR	5.9%	6.5% [4.2%, 8.8%]	3,017

Credit

This work was supported by the Institute of Information & Communications Technology Planning & Evaluation (IITP) grant funded by the Ministry of Science and ICT (MSIT) (IITP-2026-AI·SW Maestro)

한국어

용어 정리

용어	뜻
모사(mimic)	앵무새가 목표 단어를 따라 한 소리
비발화(non_speech)	단어를 따라 하지 않은 일반적인 앵무새 소리(짹짹 등)
보호자 기준음성(reference)	보호자가 목표 단어를 발음한 녹음

모델 설명

앵무새가 목표 단어 모사에 성공했는지 판정한다.

질의 clip과 보호자 기준음성을 ContentVec 특징(hidden layer 8)으로 바꾼다.
질의를 기준음성 세트(최대 20개)의 기준음성 각각과 full DTW로 비교해 유사도 평균을 구한다.
이 평균을 코호트 안의 백분위로 바꾸고 임계값 0.9915와 비교한다.

파일	내용
`inference.py`, `judge/`	판정 코드
`manifest.json`	설정, 임계값, 풀과 코호트 목록, 파일별 SHA-256. 번들 버전은 `1.1.0`
`pool_features.npz`, `cohort_features.npz`, `pool_cohort_pairs.npy`	풀과 코호트의 사전 계산 특징, 둘 사이의 유사도 표

사용 범위

입력: 앞단 buddybird-ai/parrot-sound-gate가 앵무새 소리로 판정한 clip 1개, 목표 단어 1개, own 기준음성 0개 이상.
후보 단어가 여럿이면 단어마다 호출한다.
소형조와 중형조를 대상으로 하는 모델이다.

시작하기

Python 3.12와 uv를 사용한다.

hf download buddybird-ai/parrot-mimicry-judgment --revision v1.0.0 --local-dir parrot-mimicry-judgment
cd parrot-mimicry-judgment
uv sync --frozen

처음에 ContentVec 가중치(약 380 MB)를 내려받는다.

from inference import MimicryJudgment

model = MimicryJudgment.from_pretrained(
    "buddybird-ai/parrot-mimicry-judgment",
    revision="v1.0.0",
)
result = model.predict_file(
    "query.wav",
    word="안녕",
    own_paths=["guardian_annyeong_1.wav", "guardian_annyeong_2.wav"],
    account_id="<account id>",
)
print(result)
# {"is_success": True, "score": 99.6..., "status": "ok", "n_own": 2, "n_fill": 18, "set_size": 20}

메모리의 파형은 predict_waveform으로 판정한다. command line에서는 다음처럼 실행한다.

uv run --frozen python inference.py query.wav --word 안녕 --ref guardian_1.wav --account-id <account id> --revision v1.0.0

출력

키	형	뜻
`is_success`	bool	성공 여부. `score`로 다시 계산하지 않는다
`score`	float 또는 null	코호트 백분위 × 100. 판정하지 않으면 null
`status`	str	`ok`, `no_reference`(기준음성 없음), `unsupported_species`
`n_own`, `n_fill`, `set_size`	int	세트의 own 기준음성 수, 풀 기준음성 수, 합계

데이터

분할	계정	정확한 모사	비발화	보호자 기준음성
개발	172	959	32,916	271
test	40	152	3	121

평가

교차검증 수치는 개발 데이터에서 계정 단위 5-fold 교차검증을 10회 반복해 얻은 결과이고, test 수치는 개발에 전혀 쓰지 않은 계정 40개에, 개발 데이터로 확정한 풀, 코호트, 임계값을 그대로 적용한 결과이다(계정 단위 bootstrap 95% 신뢰구간).

지표	교차검증	test	test 건수
계정별 비발화 FAR 75번째 백분위수	3.4%	측정 불가	3
recall, 전체	31.3%	49.6% [37.3%, 61.4%]	152
recall, 안녕	29.9%	30.0% [14.9%, 42.4%]	74
recall, 안녕하세요	58.1%	59.8% [45.1%, 73.5%]	52
recall, 사랑해	14.7%	92.9% [49.4%, 100.0%]	14
recall, 까꿍	59.2%	75.8% [42.9%, 91.8%]	12
다른 단어 FAR	5.9%	6.5% [4.2%, 8.8%]	3,017

Credit

이 성과는 2026년도 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받아 수행된 결과물임 (IITP-2026-AI·SW마에스트로)

buddybird-ai/parrot-mimicry-judgment

BuddyBird Parrot Mimicry Judgment v1.0.0

English

Glossary

Model description

Intended use

Getting started

Output

Data

Evaluation

Credit

한국어

용어 정리

모델 설명

사용 범위

시작하기

출력

데이터

평가

Credit

Seed this model